作者 | 蒙蒙
編輯 | 陳秋
運營|陳小妍
另鏡 ( ID:DMS-012 )
智能化成爲新能源汽車較量的新戰場，6 月 29 日，理想汽車舉辦了城市 NOA 的媒體試駕活動。也就是體驗新能源車在城市場景下的自動輔助導航駕駛功能。本月中旬，小鵬汽車也宣布城市 NGP 功能在北京開放，華爲 ADS 2.0 今年三季度實現 15 個城市的落地，四季度泛化至 45 個城市。
這意味着，高階輔助駕駛離人們出行已經越來越近，随着未來輔助駕駛不斷叠代，出行也會變得越來越輕松。
我們此次試駕車是理想 L9，路線是從北京望京先繞一小圈，最後去在順義區的理想研發總部。全程共計 90 分鍾，包含 77 個路口，一共 11 個右轉 10 個左轉，5 個無保護左轉以及 1 個環島。
而在上個月的 17 日，理想在首屆家庭科技日公布了智能駕駛的技術路線。理想的智能駕駛系統是不依賴高清地圖、而是基于 AI 大模型量産城市 NOA，并率先推出通勤 NOA。
由于是上午 10 點 45 出發，整個 NOA 試駕過程，趕上了中午外出餐飲時間，多處行駛路段還是有些複雜。可以看到當前方十字路口出現正在急行的騎行者，車輛會自動減速。遇到複雜的路況，整個過程體驗能夠很好的把握安全性，開車過程還是很順暢。
那回頭說一下，這台搭載了最新城市 NOA 的功能靈敏嗎？比如中途我們需要右轉的時候，要提前并線，但可以看到前方突然有車輛停靠，在判斷是否繞行的情況下，前車啓動，所以再次選擇直行右轉，右轉後遇到路邊右側擺放的樁桶，可以看到系統準确的識别出來了，提前向左繞行，躲開了障礙物。
而這個例子是在京密路段，這條路段經常出現 2 條變 3 條車道，或者 3 條變 2 條車道，但平時可以看到在最左側車道的車輛會較少一些，但你如果駕駛到路口時，就會發現是一個 " 陷阱 "，因爲到前方你會發現這是一條左轉道，還是要并入中間車道。
基于這個情況，我們可以看到，NOA 經過學習，車輛到這時，就不會往左面路段行駛，以免造成往返并線。
但路上遇到比較大的施工情況，包括前方還有來車，在這樣一個很複雜的情況下，NOA 就沒那麽快速反應了。
理想值得一提的就是，理想的通勤 NOA 功能，可自設路線，開啓這個功能後，可以通過每天上下班，自車學習 NPN 特征，開啓功能後會有進度條顯示，進度完成意味着車輛學成，之後就可以在上下班路線上使用 NOA 功能。基本上在一周以内就可以完成激活，較爲複雜的路線，預計 2-3 周也足以完成訓練。
理想 NOA 功能不依靠高清地圖，背後依靠什麽技術路線面對複雜路段呢？
首先是感知算法，業内通常采取的方式是基于車端的 BEV 的大模型算法，實時道路感知，将道路結構和标準路口能夠很好的還原出來，基本上已經接近真實的世界。
但在複雜路口 BEV 感知會受限，理想使⽤ NPN（神經先驗⽹絡）增強了 BEV 大模型，更全面的識别複雜路⼝；采用一套端到端的算法，構建了 TIN（端到端信号燈意圖網絡），能夠做到整體紅綠燈的頁圖識别。
在城市上的道路，還可能存在一些突發情況需要識别，比如有施工路段或一些不常見的卡車後鬥，理想是引入了 Occupancy 模型來解識别決異形障礙物。
第二如何更好的拟人決策，理想采用的是模仿學習的算法。根據圖像信息，通過海量駕駛員的軌迹，選擇更暢通的路段。
理想目前的雲端的算力已經達到 1200PFLOPS 的算力，擁有 6 億公裏的自動駕駛訓練裏程。
數據驅動叠代，理想有一個強大的閉環架構，能夠将數據量高效的運轉起來，通過全閉環的自動化訓練平台，讓大模型能夠持續叠代和進化。
